Google Research·· 2025-11-19精选AI 评分
Google 发布端到端实时语音到语音翻译模型，延迟降至 2 秒
Real-time speech-to-speech translation
Google Research 发布端到端语音到语音翻译（S2ST）模型，直接在原说话人音色下生成翻译音频，延迟仅 2 秒，而此前的级联方案延迟为 4–5 秒且会累积误差。
Google 端到端语音翻译把延迟从 4–5 秒压到 2 秒，并已落地 Meet 与 Pixel 10，可据此了解实时同传的技术取舍。
来源：Google Research · research.google